问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，七连阴。
选股逻辑分析
该选股策略的主要选股条件包括：选择元宇宙行业中的股票、股票均价站在五日均线之上、七连阴。
元宇宙行业有较大的潜在发展前景，股票均价站在五日均线之上则意味着该股票近期涨势较好。而七连阴则表示该股票在短暂时间内下跌的趋势长时间持续，短期走势不好，但长期看有望反弹。
有何风险？
该选股策略可能会受到市场环境、政策变化等多种因素的影响，存在一些风险：
- 股票对市场判断错误；
- 公司财务状况存在变化；
- 选股条件过于简单，存在遗漏。
七连阴的条件过于专注于短期行情，忽视了股票的长期价值，可能会错过一些长期潜力股。
如何优化？
为了减小选股策略受到的风险，可以进行如下优化：
- 融合其他指标，如MACD、RSI、KDJ等，加强对股票技术分析；
- 加强对企业财务状况、业绩、盈利能力等方面的研究；
- 关注市场投资者情绪等因素，如通过情感分析、大数据分析等进行处理；
- 加入约束条件，如市值、成交量等限制；
- 不仅考虑单一指标条件，而应该将多个指标综合分析。
最终的选股逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，七连阴。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价站在五日均线之上，可以通过计算五日均价和股票的收盘价比较；
- 股票连续七天收盘价低于其前一日收盘价。
因此，该选股策略的最终选股公式为：
BKI('gnxq') AND CROSS(MA(C,5), C) AND LOWER(C,7) > 0
其中，LOWER(C,7)表示股票收盘价连续七天低于前一日收盘价。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
- 连续七天收盘价低于前一日收盘价：LOWER(C,7)
在通达信中，可以使用如下指标代码：
CROSS(MA(C,5), C) AND LOWER(C,7) > 0
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(date):
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, industry, list_date')
data2 = pro.daily(trade_date=date, fields='ts_code, close, pre_close')
data2['chg'] = data2['close'] - data2['pre_close']
data2['chg_sign'] = data2['chg'].apply(lambda x: 1 if x > 0 else -1 if x < 0 else 0)
data3 = pd.merge(data1, data2[['ts_code', 'chg_sign']], on='ts_code', how='inner')
data4 = data3.sort_values(by=['ts_code'])
data5 = pd.read_csv('path/to/stock_sector.csv')
data6 = pd.merge(data5, data4, on='ts_code', how='inner')
data7 = data6[data6['sector_code'] == '000001.SH']
data8 = data7[(data7['industry'] == '元宇宙') & (data7['close'] > data7['ma'])]
data9 = pd.DataFrame()
for ts_code in data8['ts_code']:
df = pro.daily(ts_code=ts_code, start_date=(pd.to_datetime(date) - pd.DateOffset(days=10)).strftime('%Y%m%d'), end_date=date, fields='ts_code, close')
consecutive_down = 0
for i in range(1, len(df)):
if df['close'][i] < df['close'][i-1]:
consecutive_down += 1
if consecutive_down >= 7:
data9 = data9.append(data8[data8['ts_code'] == ts_code], ignore_index=True)
break
else:
consecutive_down = 0
break
if len(data9) > 0:
return data9[['ts_code', 'name']]
else:
return pd.DataFrame()
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
